面向联邦学习的数据遗忘验证方法和系统

    公开(公告)号:CN118051927A

    公开(公告)日:2024-05-17

    申请号:CN202410152691.0

    申请日:2024-02-03

    Abstract: 本发明提供的面向联邦学习的数据遗忘验证方法和系统,应用于目标客户端,通过针对目标数据向服务器发出数据遗忘请求以使服务器通知其他客户端重新进行联邦学习;在本地删除目标数据后进行重训练并根据重训练过程生成第一证明;确定重训练得到的新模型的参数所对应的梯度向量并将梯度向量发送至服务器;接收其他客户端发送的第二证明和签名;根据第一证明和第二证明以及第一预设规则对重训练过程进行验证,在验证通过后基于第二预设规则对签名进行验证,在验证通过后接收参数聚合结果,基于第三预设规则对参数聚合结果进行验证,确保信息的完整性和保密性,通过参数聚合让目标客户端不必对每一个证明进行验证提高了验证效率。

    一种抗拜占庭服务器攻击的隐私信息检索方法及装置

    公开(公告)号:CN117076762A

    公开(公告)日:2023-11-17

    申请号:CN202310877314.9

    申请日:2023-07-17

    Abstract: 本发明公开了一种抗拜占庭服务器攻击的隐私信息检索方法,包括:第一客户端接收信息并进行编码,编码数据分别存至多个服务器,制作可逆矩阵、校验矩阵、满秩矩阵、第三编码矩阵以及哈希函数,并向第二客户端公开;第二客户端根据查询索引针对服务器构建并发送查询请求;根据服务器反馈的查询响应对服务器存储数据进行恢复;对恢复出的数据进行整体校验,根据校验结果确定拜占庭服务器的存在情况;根据拜占庭服务器的不同存在情况利用不同的数据恢复策略恢复数据并进行解码,得到查询结果。本发明能够抵御更多同谋服务器且无需多轮查询。

    基于性能评估和委员会投票的抗拜占庭攻击的DFL方法

    公开(公告)号:CN116502708A

    公开(公告)日:2023-07-28

    申请号:CN202310480068.3

    申请日:2023-04-28

    Abstract: 本发明公开一种基于性能评估和委员会投票的抗拜占庭攻击的DFL方法,基于信誉度的共识算法随机选择一个主节点CM,由主节点CM协调其它参与者参与模型训练;基于DP和秘密随机数扰动保护模型训练过程中参数的隐私;基于性能评估的方式检测训练节点TN中的拜占庭节点;分析秘密随机扰动聚合结果来检测候选者节点CN中的拜占庭节点;基于委员会投票机制验证主节点CM聚合的模型,检测主节点CM是否为拜占庭节点。本发明能解决数据分布异质下的拜占庭攻击和隐私保护的问题以及有中心联邦学习系统架构下的单点失效导致的模型训练失败问题。本发明提升了联邦学习模型的性能,加快了联邦学习的收敛速度。

    一种抗拜占庭攻击的批量隐私信息检索方法及系统

    公开(公告)号:CN118445847A

    公开(公告)日:2024-08-06

    申请号:CN202410597197.5

    申请日:2024-05-14

    Abstract: 一种抗拜占庭攻击的批量隐私信息检索方法及系统,方法包括客户端接收由原始文件添加掩码后的数据所生成的用于验证的提示;客户端根据批量查询的索引集合构建查询;计算生成查询对应的响应;客户端根据提示对响应进行验证,若响应验证通过,则获得检索的文件集合;若响应验证未通过,则发起应答验证的挑战;客户端进行应答验证,若应答验证通过,则获得检索的文件集合;若应答验证未通过,则终止协议。本发明能够识别拜占庭服务器,实现批量检索,在仅有一个诚实服务器的情况下即能够获得正确结果,保护用户查询隐私和检索结果的正确性,并提高查询效率。本发明客户端的存储开销小,随着文件数量的不断增大,所需的客户端存储数据量增长较小。

Patent Agency Ranking